Dataset Previews
First, initialize by adding tools and declare floating type
using GriddingMachine
using PkgUtility
using Plots
using Plots.PlotMeasures
ENV["GKSwstype"]="100";
FT = Float32;
# use this to fix the problem in generated preview.jl file
F1 = joinpath(@__DIR__, "../../Artifacts.toml");
F2 = joinpath(@__DIR__, "../../../Artifacts.toml");
GRIDDINGMACHINE_ARTIFACTS = (isfile(F1) ? F1 : F2);
predownload_artifact.(["CH_20X_1Y_V1",
"CI_12X_1Y_V1",
"CI_PFT_2X_1Y_V1",
"GPP_MPI_2X_1M_2005_V1",
"GPP_VPM_5X_8D_2005_V1",
"LAI_4X_1M_V1",
"LM_ERA5_4X_1Y_V1",
"LNC_2X_1Y_V1",
"LPC_2X_1Y_V1",
"NDVI_AVHRR_20X_1M_2018_V1",
"NIRO_AVHRR_20X_1M_2018_V1",
"NIRV_AVHRR_20X_1M_2018_V1",
"RIVER_4X_1Y_V1",
"SIF740_TROPOMI_1X_1M_2018_V1",
"SLA_2X_1Y_V1",
"TD_12X_1Y_V1",
"VMAX_CICA_2X_1Y_V1",
"WD_2X_1Y_V1",
"NPP_MODIS_1X_1Y"],
GRIDDINGMACHINE_ARTIFACTS);#=#=# ##O#- # ##O=# # #=#=-# # 0.4% # 2.1% ##### 7.4% ################### 27.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 1.2% ### 4.8% ########## 14.6% ########################### 37.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.4% ####### 10.3% ##################### 29.8% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.1% 0.7% # 2.0% ### 4.6% ############ 17.0% ############################################ 62.2% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.3% 0.6% # 2.0% ##### 7.1% ################## 25.6% ################################## 48.3% ################################################# 69.4% ################################################################# 90.7% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.2% 0.9% # 2.6% ##### 7.6% #################### 28.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ## 3.0% ########## 14.2% ############################ 39.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ## 3.7% ############## 19.6% ############################### 44.3% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ## 3.6% ############ 17.4% ############################### 43.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.1% 0.1% 0.3% 1.0% ## 3.8% ##### 8.0% ######## 11.7% ########## 15.2% ############# 19.0% ############### 21.7% ################ 22.9% ################## 26.2% #################### 28.3% ###################### 30.7% ####################### 32.5% ######################## 34.4% ########################## 36.3% ########################### 38.2% ############################ 40.0% ############################## 42.0% ############################### 43.9% ################################# 45.9% ################################## 47.8% ################################### 49.8% ##################################### 51.7% ###################################### 53.7% ####################################### 55.5% ######################################## 56.9% ########################################## 58.3% ########################################### 59.8% ############################################ 61.2% ############################################# 62.7% ############################################## 64.1% ############################################### 65.6% ################################################ 67.1% ################################################# 68.6% ################################################## 70.2% ################################################### 71.7% #################################################### 73.2% ##################################################### 74.8% ###################################################### 76.3% ####################################################### 77.7% ######################################################## 79.1% ########################################################## 80.9% ########################################################### 82.0% ########################################################### 83.0% ############################################################ 84.1% ############################################################# 85.3% ############################################################## 86.4% ############################################################### 87.5% ############################################################### 88.7% ################################################################ 89.9% ################################################################# 91.1% ################################################################## 92.3% ################################################################### 93.5% #################################################################### 94.7% ##################################################################### 95.9% ##################################################################### 97.1% ###################################################################### 98.3% ####################################################################### 99.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.0% 0.0% 0.1% 0.5% # 1.8% #### 5.6% ###### 9.3% ######### 13.0% ########### 16.5% ############## 20.0% ################ 23.5% ################### 27.0% ##################### 30.4% ######################## 33.8% ########################## 37.3% ############################# 40.8% ############################### 44.3% ################################## 47.6% #################################### 50.4% ###################################### 53.1% ######################################## 56.6% ########################################### 60.0% ############################################# 63.4% ################################################ 66.8% ################################################## 70.3% #################################################### 73.5% ####################################################### 76.8% ######################################################### 80.2% ############################################################ 83.7% ############################################################## 87.1% ################################################################# 90.6% ################################################################### 94.1% ###################################################################### 97.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.0% 0.0% 0.1% 0.3% 1.2% ### 4.2% ##### 7.0% ##### 8.3% ######## 11.5% ########## 14.1% ########## 14.9% ########### 15.8% ############ 17.1% ############# 19.0% ############## 20.8% ################ 22.6% ################# 24.3% ################## 26.0% #################### 27.8% ##################### 29.8% ###################### 31.7% ######################## 33.7% ######################### 35.6% ########################### 37.6% ############################ 39.6% ############################# 41.6% ############################### 43.6% ################################ 45.7% ################################## 47.7% ################################### 49.7% #################################### 51.2% ###################################### 53.4% ####################################### 54.8% ######################################## 56.2% ######################################### 57.7% ########################################## 59.2% ########################################### 60.7% ############################################ 62.2% ############################################# 63.8% ############################################### 65.3% ################################################ 66.8% ################################################# 68.4% ################################################## 69.9% ################################################### 71.5% #################################################### 73.1% ##################################################### 74.7% ###################################################### 76.3% ######################################################## 77.9% ######################################################### 79.5% ########################################################## 81.1% ########################################################### 82.8% ############################################################ 84.4% ############################################################# 86.0% ############################################################### 87.7% ################################################################ 89.3% ################################################################# 91.0% ################################################################## 92.6% ################################################################### 94.3% ##################################################################### 96.0% ###################################################################### 97.7% ####################################################################### 99.3% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.3% 1.3% ## 3.3% ######## 12.1% ################################# 46.6% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # 0.2% 1.1% ## 2.8% ##### 7.5% ################### 27.5% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ## 3.6% ######### 13.7% ###################################### 54.0% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # 0.3% # 1.8% ## 3.0% ###### 9.5% ####################### 32.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # ##### 7.2% ################## 25.2% ############################################################ 83.4% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # # 2.8% ######### 13.5% ############################### 43.9% ######################################################################## 100.0% #=#=# ##O#- # ##O=# # #=#=-# # -#O#- # # ###################### 30.9% ######################################################################## 100.0%
Then, define a function to plot the dataset
function preview_data(ds::GriddedDataset{FT}, ind::Int)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
size=(700,300),
framestyle=:none)
end
function preview_data(ds::GriddedDataset{FT}, ind::Int, clim::Tuple)
# preview data
return heatmap(view(ds.data,:,:,ind)',
origin="lower",
aspect_ratio=1,
xticks=[],
yticks=[],
c=:viridis,
clim=clim,
size=(700,300),
framestyle=:none)
endpreview_data (generic function with 2 methods)
Leaf level datasets
Leaf nitrogen content
LNC_LUT = load_LUT(LeafNitrogen{FT}());
mask_LUT!(LNC_LUT, FT[0,Inf]);
LNC_LUT = regrid_LUT(LNC_LUT, Int(size(LNC_LUT.data,2)/180));
preview_data(LNC_LUT, 1)
Leaf phosphorus content
LPC_LUT = load_LUT(LeafPhosphorus{FT}());
mask_LUT!(LPC_LUT, FT[0,Inf]);
LPC_LUT = regrid_LUT(LPC_LUT, Int(size(LPC_LUT.data,2)/180));
preview_data(LPC_LUT, 1)
Specific leaf area
SLA_LUT = load_LUT(LeafSLA{FT}());
mask_LUT!(SLA_LUT, FT[0,Inf]);
SLA_LUT = regrid_LUT(SLA_LUT, Int(size(SLA_LUT.data,2)/180));
preview_data(SLA_LUT, 1)
Vcmax
VCM_LUT = load_LUT(VcmaxOptimalCiCa{FT}());
mask_LUT!(VCM_LUT, FT[0,Inf]);
VCM_LUT = regrid_LUT(VCM_LUT, Int(size(VCM_LUT.data,2)/180));
preview_data(VCM_LUT, 1)
Stand level datasets
Canopy height
CHT_LUT = load_LUT(CanopyHeightGLAS{FT}());
mask_LUT!(CHT_LUT, FT[0,Inf]);
CHT_LUT = regrid_LUT(CHT_LUT, Int(size(CHT_LUT.data,2)/180));
preview_data(CHT_LUT, 1)
Clumping index
# global clumping index
CLI_LUT = load_LUT(ClumpingIndexMODIS{FT}(), "12X", "1Y");
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
preview_data(CLI_LUT, 1, (0.4,1))
# global clumping index per PFT
CLI_LUT = load_LUT(ClumpingIndexPFT{FT}());
mask_LUT!(CLI_LUT, FT[0,1]);
CLI_LUT = regrid_LUT(CLI_LUT, Int(size(CLI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(CLI_LUT.data,3)
preview_data(CLI_LUT, i, (0.4,1));
end
gif(anim, fps=1)Gross primary productivity
# GPP MPI
GPP_LUT = load_LUT(GPPMPIv006{FT}(), 2005, "2X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)# GPP VPM
GPP_LUT = load_LUT(GPPVPMv20{FT}(), 2005, "5X", "8D");
GPP_LUT = regrid_LUT(GPP_LUT, Int(size(GPP_LUT.data,2)/180));
mask_LUT!(GPP_LUT, FT[-100,Inf]);
anim = @animate for i ∈ 1:46
preview_data(GPP_LUT, i, (0,10));
end
gif(anim, fps=5)Leaf area index
LAI_LUT = load_LUT(LAIMonthlyMean{FT}());
LAI_LUT = regrid_LUT(LAI_LUT, Int(size(LAI_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(LAI_LUT.data,3)
preview_data(LAI_LUT, i, (0,6));
end
gif(anim, fps=1)Normalized difference vegetation index
NDV_LUT = load_LUT(NDVIAvhrr{FT}(), 2018, "20X", "1M");
NDV_LUT = regrid_LUT(NDV_LUT, Int(size(NDV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NDV_LUT.data,3)
preview_data(NDV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation
NIV_LUT = load_LUT(NIRvAvhrr{FT}(), 2018, "20X", "1M");
NIV_LUT = regrid_LUT(NIV_LUT, Int(size(NIV_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIV_LUT.data,3)
preview_data(NIV_LUT, i, (0,1));
end
gif(anim, fps=1)Near infrared reflectance of vegetation with offset
NIO_LUT = load_LUT(NIRoAvhrr{FT}(), 2018, "20X", "1M");
NIO_LUT = regrid_LUT(NIO_LUT, Int(size(NIO_LUT.data,2)/180));
anim = @animate for i ∈ 1:size(NIO_LUT.data,3)
preview_data(NIO_LUT, i, (0,1));
end
gif(anim, fps=1)Net primary productivity
NPP_LUT = load_LUT(NPPModis{FT}());
mask_LUT!(NPP_LUT, FT[-Inf,1e19]);
NPP_LUT = regrid_LUT(NPP_LUT, Int(size(NPP_LUT.data,2)/180));
NPP_LUT.data .*= 1e9;
preview_data(NPP_LUT, 1)
Sun induced fluorescence
SIF_LUT = load_LUT(SIFTropomi740{FT}(), 2018, "1X", "1M");
mask_LUT!(SIF_LUT, FT[-100,100]);
anim = @animate for i ∈ 1:12
preview_data(SIF_LUT, i, (0,3.5));
end
gif(anim, fps=3)Tree density
TDT_LUT = load_LUT(TreeDensity{FT}(), "12X", "1Y");
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1, (0, 150000))
Wood density
TDT_LUT = load_LUT(WoodDensity{FT}());
mask_LUT!(TDT_LUT, FT[0,Inf]);
TDT_LUT = regrid_LUT(TDT_LUT, Int(size(TDT_LUT.data,2)/180));
preview_data(TDT_LUT, 1)
Land surface
Land elevation
ELE_LUT = load_LUT(LandElevation{FT}());
mask_LUT!(ELE_LUT, FT[0,Inf]);
ELE_LUT = regrid_LUT(ELE_LUT, Int(size(ELE_LUT.data,2)/180));
preview_data(ELE_LUT, 1)
Land mask
LMK_LUT = load_LUT(LandMaskERA5{FT}());
LMK_LUT = regrid_LUT(LMK_LUT, Int(size(LMK_LUT.data,2)/180));
preview_data(LMK_LUT, 1)
River flood plain height
FLD_LUT = load_LUT(FloodPlainHeight{FT}());
mask_LUT!(FLD_LUT, FT[0,Inf]);
FLD_LUT = regrid_LUT(FLD_LUT, Int(size(FLD_LUT.data,2)/180));
preview_data(FLD_LUT, 1)
River height
RVH_LUT = load_LUT(RiverHeight{FT}());
mask_LUT!(RVH_LUT, FT[0,Inf]);
RVH_LUT = regrid_LUT(RVH_LUT, Int(size(RVH_LUT.data,2)/180));
preview_data(RVH_LUT, 1)
River width
RVW_LUT = load_LUT(RiverWidth{FT}());
mask_LUT!(RVW_LUT, FT[0,Inf]);
RVW_LUT = regrid_LUT(RVW_LUT, Int(size(RVW_LUT.data,2)/180));
preview_data(RVW_LUT, 1)
River length
RVL_LUT = load_LUT(RiverLength{FT}());
mask_LUT!(RVL_LUT, FT[0,Inf]);
RVL_LUT = regrid_LUT(RVL_LUT, Int(size(RVL_LUT.data,2)/180));
preview_data(RVL_LUT, 1)
River manning coefficient
RVM_LUT = load_LUT(LandMaskERA5{FT}());
RVM_LUT = regrid_LUT(RVM_LUT, Int(size(RVM_LUT.data,2)/180));
preview_data(RVM_LUT, 1)
River unit catchment area
UCA_LUT = load_LUT(UnitCatchmentArea{FT}());
UCA_LUT = regrid_LUT(UCA_LUT, Int(size(UCA_LUT.data,2)/180));
preview_data(UCA_LUT, 1)
This page was generated using Literate.jl.